是否有人對所有序數資料使用 JMP 中的層次聚類功能，並嘗試過非 Ward 選項的效果如何？<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />因此，我嘗試透過聚類分析在 JMP 中建立聚類，但由於我的數據都是分類數據，我想知道其他一些選項是否會更好。 幸運的是，JMP 手冊中幾乎沒有關於如何使用下拉式選單的內容，而且網路除了建議對於所有分類資料應使用不同的演算法之外，也沒有什麼特別的幫助。 任何建議將不勝感激。 謝謝。
回覆：是否有人對所有序數資料使用 JMP 中的層次聚類功能，並嘗試過非 Ward 選項的效果如何？非常感謝您的背景，並對斷開的連結表示歉意多重對應分析（馬華） 。 鑑於你所說的，我肯定會看一下，看看會出現什麼： http://www.jmp.com/support/help/Multiple_Correspondence_Analysis.shtml
回覆：是否有人對所有序數資料使用 JMP 中的層次聚類功能，並嘗試過非 Ward 選項的效果如何？嗨伊恩，
謝謝你的快速反應。 我想我不應該只用序數標記，而應該把它拼出來。 所以是的，我的數據都是分類數據，沒有連續數據，也沒有名目數據。 我可能會有多達幾百列的數據，我只是嘗試使用聚類函數來確定這些數據的自然順序。 因此，這是一個複雜的情況，我有一個在全球範圍內銷售的產品，但每個國家/市場的全球備案方式略有不同。 產品必須按照備案的方式進行銷售。 每個文件在產品準備銷售之前的製造和分析方式方面可能存在細微差別。 我正在嘗試找出供應方面的自然分組市場/國家，然後回過頭來看看最好使用什麼策略來調整每個國家的產品狀態/備案，以確保不出現供應短缺並使所有產品變得相似盡可能快地。 希望這是有道理的嗎？
那麼對於這樣的事情最適合用什麼演算法呢？ 我認為我不應該使用預設的“Ward”，對嗎？
感謝您的幫忙！
回覆：是否有人對所有序數資料使用 JMP 中的層次聚類功能，並嘗試過非 Ward 選項的效果如何？從線程中我無法判斷您的資料是分類資料還是序數資料（或者可能是兩者的混合）。 如果您在口語或技術意義上使用“集群”，也不是這樣。
如果資料是分類的，我一定會看一下： http://www.jmp.com/support/help/Multiple_Correspondence_Analysis.shtml 。 如果混合了分類變量和連續變量和/或有序變量，有些人會主張將後面的變量設為分類變量，以便它們也可以包含在 MCA 中。 儘管此過程會丟失訊息，但有時比根本不包含變數要好。 而且，正如您透過自己的搜尋可能發現的那樣，有些人主張使用 MCA 的輸出作為聚類的輸入，當然您也可以嘗試這樣做。
但歸根結底，任何「最佳」甚至可行的方法都取決於您設定的具體目標（實際結果將如何使用？），以及您必須掌握的數據效果如何（或不…）支持實現這些目標。 不用說，簡單的圖形和描述性摘要將幫助您指明正確的方向。
